一种面向多源领域的实例迁移学习
在迁移学习最大的特点就是利用相关领域的知识来帮助完成目标领域中的学习任务，它能够有效地在相似的领域或任务之间进行信息的共享和迁移，使传统的从零开始的学习变成可积累的学习，具有成本低、效率高等优点。针对源领域数据和目标领域数据分布类似的情况，提出一种基于多源动态TrAdaBoost的实例迁移学习方法。该方法考虑多个源领域知识，使得目标任务的学习可以充分利用所有源领域信息，每次训练候选分类器时，所有源领域样本都参与学习，可以获得有利于目标任务学习的有用信息，从而避免负迁移的产生。理论分析验证了所提算法较单源迁移的优势，以及加入动态因子改善了源权重收敛导致的权重熵由源样本转移到目标样本的问题。实验结果验证了此算法在提高识别率方面的优势。
多源、TrAdaBoost、实例迁移、迁移学习
G63;TP1
国家自然科学基金61072094,61273143;江苏省自然科学基金BK 20130207;教育部新世纪优秀人才支持计划NCET-10-0765;教育部高等学校博士学科点专项科研基金20110095110016,20120095110025资助@@@@Supported by National Natural Science Foundation of China61072094,61273143;Natural Science Foundation of Jiangsu ProvinceBK20130207;Program for New Century Excellent Talents in UniversityNCET-10-0765;Specialized Research Fund for the Doctoral Program of Higher Education of China20110095110016,20120095110025
2014-07-15（万方平台首次上网日期，不代表论文的发表时间）
共8页
1176-1183
